Đăng nhập
 
Tìm kiếm nâng cao
 
Tên bài báo
Tác giả
Năm xuất bản
Tóm tắt
Lĩnh vực
Phân loại
Số tạp chí
 

Bản tin định kỳ
Báo cáo thường niên
Tạp chí khoa học ĐHCT
Tạp chí tiếng anh ĐHCT
Tạp chí trong nước
Tạp chí quốc tế
Kỷ yếu HN trong nước
Kỷ yếu HN quốc tế
Book chapter
Bài báo - Tạp chí
Số 40 (2015) Trang: 37-42
Tải về

Thông tin chung:

Ngày nhận:14/07/2015

Ngày chấp nhận: 27/10/2015

Title:

RBF neural networks–based system identification in model predictive control

Từ khóa:

Điều khiển dự báo mô hình, mạng nơ-ron RBF, hệ nâng vật bằng từ trường

Keywords:

Model predictive control, RBF neural networks, magnetic levitation system

ABSTRACT

Control systems are generally nonlinear in reality, so controller design for nonlinear systems is difficult and traditional control methods are also ineffective. Therefore, modern and intelligent control solution such as model predictive control is preferred. However, when applying model predictive control, it will be difficult to identify the behaviors of the system in the future, especially the one with unknown parameters. This study approaches the application of radial basis function (RBF) neural networks to overcome such limitation. In addition, applying the online training method for the RBF neural network does not require collecting the training data, which cannot always be achieved in practice. The control algorithm was tested on a magnetic levitation system. The simulation results show that the system response follows the reference signal, the setting time is about 2 seconds without overshoot, and steady-state error is negligible. Furthermore, the simulation results also indicate that the control system is stable under the presence of noise and the changing of the object’s mass.

TÓM TẮT

Các hệ thống điều khiển trong thực tế thường phi tuyến, nên việc thiết kế bộ điều khiển trở nên khó khăn và các kỹ thuật điều khiển truyền thống cũng tỏ ra kém hiệu quả. Do đó, người ta thường tìm kiếm các giải pháp điều khiển hiện đại, thông minh, trong đó có kỹ thuật điều khiển dự báo mô hình. Tuy nhiên, khi áp dụng bộ điều khiển dự báo mô hình, vấn đề khó khăn là việc nhận dạng hành vi của đối tượng trong tương lai, đặc biệt khi chưa biết tham số của đối tượng. Nghiên cứu này tiếp cận việc ứng dụng mạng nơ-ron hàm cơ sở xuyên tâm RBF để khắc phục hạn chế đó. Ngoài ra, việc ứng dụng kỹ thuật huấn luyện online mạng nơ-ron RBF có ưu điểm là không cần phải thu thập dữ liệu trước - điều mà không phải lúc nào cũng đạt được trong thực tế. Giải thuật điều khiển được kiểm chứng trên hệ nâng vật trong từ trường. Kết quả mô phỏng cho thấy: đáp ứng của hệ nâng vật trong từ trường bám theo tín hiệu mong muốn, với thời gian xác lập khoảng 2 giây, không xuất hiện vọt lố và sai số xác lập không đáng kể. Mặt khác, khảo sát cũng cho thấy, hệ thống hoạt động ổn định dưới tác động của nhiễu và sự thay đổi khối lượng vật nặng.

 

 


Vietnamese | English






 
 
Vui lòng chờ...